利用领域泛化实现变化环境下的雷达辐射源识别
机器学习
2023-02-21 v1
摘要
分析来自复杂电子战（EW）环境的雷达信号是一项非平凡的任务。然而，在现实世界中，变化的电子战环境导致信号分布不一致，例如不同探测场景之间的脉冲重复间隔（PRI）不匹配。在本文中，我们提出了一种新颖的领域泛化框架，以提高信号识别在变化环境中的适应性。具体来说，我们首先设计了几个噪声生成器来模拟各种场景。与传统的增强方法不同，我们引入的生成器仔细地增强了检测信号的多样性，同时保持了信号的语义特征。此外，我们提出了一种以对抗学习方式工作的信号场景领域分类器。所提出的分类器保证了信号预测器能够泛化到不同的场景。大量的对比实验证明了所提方法的优越性。
引用
@article{arxiv.2302.09359,
title = {Towards Radar Emitter Recognition in Changing Environments with Domain Generalization},
author = {Honglin Wu and Xueqiong Li and Long Lan and Liyang Xu and Yuhua Tang},
journal= {arXiv preprint arXiv:2302.09359},
year = {2023}
}